06 - AI 办公助理¶

项目背景与目标¶

某集团型企业的中层管理者每天被碎片化事务淹没：日程协调、邮件回复、审批签署、文档起草、会议准备，各类操作分散在 OA、邮箱、网盘、审批系统等 8 个独立应用中，频繁切换导致效率低下，平均每天花 2.5 小时处理行政事务。企业希望构建 AI 办公助理，以统一对话入口整合日程、邮件、审批、文档四大域，让员工用自然语言完成跨系统操作，如「把这周五的会议挪到下周二下午并通知所有参会人」「把这封邮件转成任务分配给小王」，将行政事务耗时降低 60%。

核心目标： 1. 统一对话入口，整合 4 大办公域、8+ 系统 2. 日程/邮件/审批/文档的跨域联动操作 3. 操作可解释、可撤销、可审计 4. 行政事务平均处理时长降低 60%

预期价值：释放高价值员工时间、统一办公体验、降低多系统培训成本、沉淀办公行为数据。

需求分析¶

用户角色与场景 - 管理者：日程安排、审批、邮件批处理、文档审阅 - 普通员工：请假、报销、写文档、查日程 - 助理/秘书：代领导处理事务（需授权）

功能需求列表 - 日程管理：查询、创建、改期、冲突检测、自动找空闲 - 邮件管理：摘要、分类、草稿生成、批量处理、转任务 - 审批处理：待办提醒、风险摘要、建议决策、代签（受限） - 文档协作：起草、改写、摘要、版本对比、知识检索 - 跨域联动：邮件转日程、文档转任务、审批关联邮件 - 操作确认与撤销机制

非功能需求 - 性能：查询类 < 2 秒，写操作 < 5 秒 - 安全：SSO 鉴权、操作审计、敏感操作二次确认 - 可用性：99.9% - 权限：严格遵循员工在原系统的权限

约束条件：必须复用现有 OA/Exchange/钉钉等系统 API，不可替换。

技术选型说明¶

层次	技术选择	选型理由
Agent 框架	LangGraph	多域工具编排与状态管理
LLM	Qwen2.5-72B 私有化	涉及企业敏感数据
工具集成	MCP（Model Context Protocol）	标准化对接多系统，解耦
后端	Python FastAPI	异步、生态丰富
权限	OAuth2 + RBAC	复用企业 SSO
部署	K8s 私有化	数据合规

架构设计¶

flowchart TD
    U[员工对话入口] --> GW[统一网关 SSO]
    GW --> AGENT[LangGraph 助理]
    AGENT --> PLAN[任务规划]
    PLAN --> TOOLS[工具编排层]
    TOOLS --> MCP[MCP 连接器]
    MCP --> CAL[日程 Exchange]
    MCP --> MAIL[邮件系统]
    MCP --> APV[审批系统]
    MCP --> DOC[文档/网盘]
    AGENT --> CONFIRM[操作确认/撤销]
    AGENT --> AUDIT[审计日志]
    AGENT --> MEM[长期记忆]

核心是「规划-编排-确认」三段式：Agent 先将用户意图拆解为跨域子任务计划，通过 MCP 连接器调用各系统工具，写操作前强制确认并记录可撤销快照。长期记忆保存用户偏好（如「我习惯早上开会」）。

关键模块实现思路¶

模块1：任务规划与跨域编排¶

思路：LLM 将用户请求拆解为子任务 DAG，如「邮件转日程并通知」→ [读邮件]→[提取时间地点]→[创建日程]→[发通知邮件]；LangGraph 按 DAG 执行，支持并行与依赖。
关键点：每个子任务带「域标签」与「读写类型」，写操作需确认。

示意：

def plan_task(user_msg):
    plan = llm.decompose(user_msg)  # [{domain, action, read/write}]
    for step in plan:
        if step.type == "write":
            await confirm(step)
        execute(step)

模块2：MCP 工具连接器¶

思路：每个业务系统封装为 MCP Server，暴露标准化工具 schema（如 calendar.create_event、mail.send）；Agent 通过 MCP Client 动态发现与调用，新增系统只需加连接器不改 Agent。
关键点：权限透传，调用时携带用户 token，由原系统鉴权。

模块3：操作确认与撤销¶

思路：写操作（发邮件、改日程、审批通过）执行前展示「操作预览」并等待用户确认；对可逆操作记录前态快照，支持「撤销刚才的操作」。
关键点：不可逆操作（如审批通过、邮件外发）需高亮风险并要求明确确认。

模块4：长期记忆与个性化¶

思路：维护用户 Profile（开会偏好、邮件风格、常用联系人、作息），从历史行为中提取；生成邮件/日程时套用个人风格。
关键点：记忆需可查看可清除，符合隐私要求。

核心流程详解¶

流程1：邮件转日程并通知¶

用户「把张总那封关于季度评审的邮件转成会议，下周找个大家都有空的时间」
Agent 规划：读邮件→提取参会人→查三方日程交集→建议时间→创建会议→发通知
展示预览「建议下周二 14:00-15:30，参会人：张总、李总、您，是否创建？」
用户确认→执行→「已创建并发送通知」

流程2：批量审批处理¶

用户「今天有哪些待审批，帮我看看风险」
Agent 拉取待办列表，逐条生成风险摘要（金额、供应商、合规点）
用户「金额小于 1 万的常规项帮我通过，其他列出来」
Agent 批量执行低风险审批，高风险项汇总展示

部署与优化建议¶

部署架构：Agent 服务无状态水平扩展；MCP 连接器按域独立部署；记忆存 Redis + 向量库。
性能优化：查询类工具并行调用；常用查询结果缓存。
成本控制：摘要/分类用小模型，规划/生成用大模型。

常见问题与解决方案¶

误操作风险 → 所有写操作强制预览确认 + 撤销快照 + 审计日志。
权限越权 → 透传用户 token，原系统鉴权，Agent 不持有额外权限。
多系统数据不一致 → 编排时做最终一致性校验，失败回滚。

扩展方向¶

主动助理：基于日程与邮件主动提醒「明天有评审会，是否准备材料」。
团队助理：支持团队级日程协调与任务分配。
知识沉淀：将处理过的事务形成 SOP 自动入库。